基于SVM和GMM的說話人辨識方法研究.pdf

1、分類號——UDC密級學(xué)校代碼劣j凄理歹大字學(xué)位論文題目基王Sy隧盤Q叢叢鮑邈適厶羞遲友洼盈究鄉(xiāng)∈文S盟亟i曼墨Q塾墨p星坐星!鰻QQg壘i!iQ壘題目basedonSVMandGMM研究生姓名睦鍪指導(dǎo)教師莖襄茗篡妻薹五耋要塞主蘭薹五蠹蒿三釜單位名稱!土簋扭銎堂皇拉盔堂睦郵編壘三QQ鯉一申請學(xué)位級別亟一學(xué)科專業(yè)名稱i土箕扭銎堂生墊盔論文提交日期20114論文答辯日期學(xué)位授予單位盛這堡王太堂學(xué)位授予答辯委員會主席詐磚m評閱人2011年5月2

2、0115矗陬衫南◇帆e乏武漢理工大學(xué)碩士學(xué)位論文摘要說話人識別是根據(jù)語音波形中反映說話人生理和行為特征的語音參數(shù)，自動識別出相應(yīng)說話人的過程。它是語音信號處理的一個重要研究方向，作為一種生物認(rèn)證技術(shù)，具有廣泛的應(yīng)用前景，促使越來越多的人對其進(jìn)行研究。目前，基于閉集的說話人識別已經(jīng)取得了比較好的進(jìn)展，但是基于開集的說話人識別的識別性能還有待提高。開集和閉集是對測試說話人集的一種劃分，當(dāng)測試的說話人集合僅局限在訓(xùn)練集內(nèi)時，稱其為基于閉集的說

3、話人識別；當(dāng)測試的說話人集合沒有訓(xùn)練集限制，任何話者，不論訓(xùn)練與否，均能作為測試集合中的一員，則稱其為基于開集的說話人識別?；陂_集的說話人識別，不同于閉集說話人識別的關(guān)鍵是開集說話人識別不僅要對測試話者是否是訓(xùn)練集內(nèi)的話者進(jìn)行判斷，而且若是訓(xùn)練集內(nèi)的話者，則還要對其進(jìn)行識別，識別出其是集內(nèi)的哪個話者。本文致力于對基于開集說話人識別的研究，提出了一種新的識別方法，即基于SVM和GMM的說話人辨識方法。說話人辨識是指對說話人進(jìn)行分辨和識別

4、，分辨測試話者是否是訓(xùn)練集內(nèi)話者，若是訓(xùn)練集內(nèi)話者則還要識別出其是訓(xùn)練集內(nèi)的哪位話者。用到的模型是SVMGMM模型，該模型是結(jié)合了支持向量機(jī)(SVM)和高斯混合(GMM)兩種模型。支持向量機(jī)模型是以統(tǒng)計學(xué)習(xí)理論中VC維理論和結(jié)構(gòu)風(fēng)險最小原理為基礎(chǔ)，根據(jù)有限的樣本信息在模型的復(fù)雜性與學(xué)習(xí)能力之間尋求最佳折中，獲得了較好的推廣能力。大量的實驗已經(jīng)證實支持向量機(jī)有著優(yōu)秀的分類能力，基于此，本研究將其選為第一步粗分類模型。而高斯混合模型是用多個

5、高斯分布的線性組合，擬合說話人的特征分布。它能很好的描述說話人語音特征的內(nèi)部的相似性。前人的研究也表明該模型是在說話人確認(rèn)系統(tǒng)表現(xiàn)出良好的性能。故本研究選用高斯混合模型作為第二步精細(xì)的確認(rèn)模型。在識別階段，首先用支持向量機(jī)模型對測試的話者進(jìn)行粗分類，然后再用高斯混合模型對分類結(jié)果進(jìn)行確認(rèn)，判斷測試話者是否就是其在粗分類中所分到的類別。若是，則表明該測試話者就是其所分到類別所對應(yīng)的話者；若否，則表明該測試話者是訓(xùn)練集外話者。本研究就是通過